活動輪廓模型算法研究及其生物醫(yī)學(xué)圖像應(yīng)用.pdf

1、圖像分割作為數(shù)字圖像處理算法的一個最基本的預(yù)處理步驟，其精確度直接決定著后續(xù)圖像處理應(yīng)用（例如識別和配準）的成功與否。但至今為止，圖像分割算法尤其是針對醫(yī)學(xué)圖像的分割算法并不完善。由于醫(yī)學(xué)圖像本身固有特性的影響，利用傳統(tǒng)的分割算法對醫(yī)學(xué)圖像進行準確快速的分割還面臨著巨大的困難。活動輪廓模型是偏微分方法在圖像處理領(lǐng)域的一個成功的應(yīng)用，因其分割結(jié)果為閉合的曲線，該類算法在醫(yī)學(xué)圖像分割方面得到了廣泛的應(yīng)用，取得了巨大的成功。
　　 針

2、對基于偏微分方程和活動輪廓模型的醫(yī)學(xué)圖像分割算法，本文主要研究了以下幾個方面:
　　 1.針對傳統(tǒng)的基于水平集函數(shù)的活動輪廓模型易陷入局部極小值的問題，我們提出了一種能夠獲得全局最小值的活動輪廓模型。通過在其能量函數(shù)中嵌入圖像偏移場的估計，該模型能夠準確的分割灰度分布不均勻的圖像，如MRI和CT等。在本章中，針對圖像的偏移場估計，我們提出了一種新的基于高斯函數(shù)平滑的偏移場估計算法。同時，利用圖像的位于活動曲線附近的局部區(qū)域信息來

3、計算圖像的分片常數(shù)，取代了傳統(tǒng)模型利用圖像全局信息計算的分片常數(shù)的模式。最后，利用總變分范數(shù)的Dualformulation數(shù)值算法，本文的模型可以快速的得到全局最小值。實驗結(jié)果表明，本文的算法在醫(yī)學(xué)圖像和自然圖像上都取得了較好的分割效果。
　　 2.基于水平集函數(shù)的耦合曲線活動輪廓模型的主要缺點是運算速度慢，對噪聲和曲線初始化位置十分敏感。為了克服如上所述的傳統(tǒng)活動輪廓模型的缺點，本文提出了一種基于圖割理論的耦合曲線活動輪廓模

4、型，該模型的能量函數(shù)可以通過對傳統(tǒng)耦合曲線活動輪廓模型的能量函數(shù)進行線性變換，并且利用兩個歸一化參數(shù)來對線性變換后的能量函數(shù)進行非線性加權(quán)。該歸一化能量函數(shù)可以克服基于圖割理論的耦合曲線活動輪廓模型分割結(jié)果容易趨向于區(qū)域平均的缺點。同時，我們使用圖割算法來取代水平集算法，可以快速穩(wěn)定的求得歸一化耦合曲線活動模型的能量函數(shù)的最小值。實驗結(jié)果表明，本文的算法比水平集算法提高了超過10倍的運算速度，在醫(yī)學(xué)圖像和自然圖像上都取得較好的效果。

5、r>　　 3.活動輪廓模型是迄今為止最為成功的變分圖像處理方法之一，在圖像分割，模式分析和計算機視覺方面有著廣泛的應(yīng)用。但是傳統(tǒng)的活動輪廓模型不僅耗時嚴重，而且對噪聲十分的敏感。針對以上缺點，我們提出了一種結(jié)合輪廓波變換的新的活動輪廓模型方法。該方法首先對待分割圖像進行輪廓波變換并處理其系數(shù)，然后對重建后的第二精細層圖像進行兩次下采樣變換。最后我們在最粗糙層圖像進行活動輪廓模型的初始化，并且將上一層圖像的分割結(jié)果最為下一層圖像的初始化